# 모델, 맥락, 잘못된 답변

Taiga Learning · 워크시트
https://taiga.training/ko/lessons/models-context/

가상 정보나 승인된 정보를 사용하세요. 이 워크시트에 비밀 정보를 넣지 마세요.

## 학습 목표
- 모델의 능력과 최신 사실에 대한 접근을 구분합니다.
- 빠진 제약이 그럴듯한 답변을 어떻게 바꾸는지 알아봅니다.
- 직접 확인할 수 있는 증거를 요청합니다.

## 실습
이해하고 있는 작은 함수 하나를 고르세요. 민감한 정보가 없는 코드를 사용하세요.
1. 승인된 AI 도구에 함수 설명을 요청하세요.
2. 호출 코드와 실패한 테스트 하나를 제공하세요.
3. 설명을 수정하도록 요청하세요.
4. 바뀐 주장과 그 주장을 바꾼 증거를 기록하세요.
5. 남은 불확실성을 기록하세요.

## 작성할 답
- 시나리오와 범위:
- 가정과 미해결 질문:
- 제안하는 답이나 결정과 그 이유:

## 답 검증하기
| 주장 또는 기준 | 증거 또는 테스트 | 결과 또는 공백 | 담당자 |
| --- | --- | --- | --- |
| | | | |
| | | | |
| | | | |

## 다음 조치
- 조치, 담당자, 날짜:
- 이 답을 언제 다시 검토하나요?

## 기억할 원칙
유용한 출력에는 능력과 올바른 작업 정보가 필요합니다. 명확한 설명이 모델의 가정 검증을 입증하지는 않습니다.

## 출처
- [NIST: Generative AI Profile, AI 600-1](https://doi.org/10.6028/NIST.AI.600-1)

이 워크시트는 학습을 돕습니다. 작성 완료만으로 프로덕션 변경이 허가되지는 않습니다.